2026-10-05 — views
英伟达Inception初创企业利用人工智能弥合乳腺癌护理差距
为什么值得读 开发者应关注这些初创企业如何利用英伟达GPU基础设施以及MONAI和CUDA等特定库来解决高风险的临床工作流问题。
英伟达Inception初创企业部署人工智能于医学影像、风险评估和治疗规划，以解决乳腺癌护理中的系统性瓶颈。
缩小诊断差距
乳腺癌仍是美国女性中最常见的癌症，但护理方面仍存在显著差距。大多数40岁以上的女性会跳过推荐的年度筛查，而放射科医生在未来十年预计将面临数万人的短缺。这种压力影响了美国每年进行的4000万次乳腺X线摄影检查。此外，用于治疗决策的基因组检测通常需要从外部实验室等待数周才能返回结果，从而延误关键护理。
利用AI加速影像分析
英伟达Inception初创企业正在构建应用程序，以支持临床医生克服这些障碍。iSono Health开发了ATUSA平台，这是一个获得FDA批准的穿戴式自动化3D定量超声系统。与需要长达45分钟且受操作员影响较大的传统手持式超声不同，ATUSA在约两分钟内即可捕获标准化的乳腺体积。该系统经过超过150万个超声帧的训练，其AI生成的3D扫描比手持式2D超声敏感度高出28%。这种可重复性使临床医生能够分析连续扫描中的组织变化。该平台已在多个州商业化，并正在进行一项涉及3,200名患者的多中心临床研究。
减轻放射科医生负担
Whiterabbit.ai致力于解决在大量病例环境中发现癌症的挑战。其获得FDA批准的WRDensity软件可自动评估乳腺X线摄影中的乳腺密度，已用于数十万患者的护理。该公司还在开发WRRisk，这是一种用于估算长期风险的临床决策支持工具。通过自动化筛查阴性乳腺X线摄影结果，Whiterabbit.ai旨在减少可避免的召回并降低下游医疗保健成本。他们的模型在英伟达GPU集群上训练，并直接在诊所部署的GPU上运行。
预测治疗反应
确诊后，预测治疗反应至关重要。Ataraxis AI利用数字病理切片和临床变量来预测结果。他们的模型分析病理切片中的模式，以关联变异与复发风险和化疗敏感性。一个模型预测术前化疗是否会缩小肿瘤，另一个模型估算五年复发风险。这些模型已在10多家机构得到验证，并在临床中积极使用，使用PyTorch和CUDA在英伟达GPU上运行。
用于精准治疗的3D可视化
SimBioSys构建了基于AI的精准医疗技术，创建准确的乳腺肿瘤和静脉3D模型以指导手术。使用英伟达MONAI和CUDA-X库，该公司整合了包括影像、病理和基因组检测在内的多模态数据，以生成超越单个数据片的见解。这种方法通过快速分析数百或数千张图像，有助于估算复发风险并影响治疗计划。
实务笔记
从事医疗AI的开发者应研究这些初创企业如何利用英伟达的特定生态系统，包括用于数据处理的MONAI和用于加速的CUDA，以实现临床环境中所需的低延迟推理。观察这些实施情况为构建稳健、可扩展的医疗保健应用程序提供了蓝图，这些应用程序可以无缝集成到现有的医院工作流中。